在lambda演算中，函数是一等公民。可以把函数作为参数传入或返回，把函数赋值给一个变量等等。
Y 组合子函数
lambda calculus ： λ 定义
通过 lambda , currying, closure, alpha, beta 可以定义出一个"完备"的计算体系.
在此之上,我们可以构造出任意复杂的程序.
要描述一个形式系统，我们首先需要约定用到的基本符号，对于本系列所介绍的lambda演算，其符号集包括λ . ()和变量名(x, y, z, etc.)。
1. λ 表达式/项
<expr> ::= <constant>
| <variable>
| (<expr> <expr>)
| (λ <variable>.<expr>)
其中：
<constant>可以是诸如0、1这样的数字，或者预定义的函数: +、-、*等。
<variable>是x、y等这样的名字。
(<expr> <expr>)表示函数调用。左边的为要调用的函数，右边的为参数。
(λ <variable>.<expr>)被称为lambda抽象(lambda abstraction)，用以定义新的函数。
例如：
lambda <参数> : <函数体>
这个定义可以应用到参数上，进行求值。
(lambda x : x + x)(5)
10
(lambda x : (lambda y : x + y))(1)(2)
3
y = 2
(lambda x : x + y)(4)
6
a = 1
(lambda a : a + 1)(2)
3
Beta 规则：
f = (lambda y : (lambda x : x + y))(5)
f(2)
7
f(1)
6
这个例子中, lambda x, y 将x 应用到 y 上. 其中 x 替换成 lambda x : x * x , y 替换成 3.
Beta的严格定义如下：
lambda x . B e = B[x := e] if free(e) /subset free(B[x := e]
这条规则是为了保证出现命名冲突的时候,先进行 alpha 替换,然后再应用 beta 简化.
小结
在lambda演算中只有三种合法表达式（也可以称之为项：λ-expression or λ-term）存在：
- 变量(Variable)
形式：x
变量名可能是一个字符或字符串，它表示一个参数（形参）或者一个值（实参）。
e.g.zvar - 抽象(Abstraction)
形式：λx.M
它表示获取一个参数x并返回M的lambda函数，M是一个合法lambda表达式，且符号λ和.表示绑定变量x于该函数抽象的函数体M。简单来说就是表示一个形参为x的函数M。
e.g.λx.yλx.(λy.xy)
前者表示一个常量函数(constant function)，输出恒为y与输入无关；后者的输出是一个函数抽象λy.xy，输入可以是任意的lambda表达式。
注意：一个lambda函数的输入和输出也可以是函数。 - 应用(Application)
形式：M N
它表示将函数M应用于参数N，其中M、N均为合法lambda表达式。简单来说就是给函数M输入实参N。
e.g.(λx.x) y,(λx.x) (λx.x)
前者表示将函数λx.x应用于变量y，得到y；后者表示将函数λx.x应用于λx.x，得到λx.x。函数λx.x是一个恒等函数(identity function)，即输入恒等于输出，它可以用 I 来表示。
这时候可能就有人纳闷儿了，(λx.x) y意义很明确，但λy.xy为什么代表函数抽象而不是将函数λy.x应用于y的函数应用呢？为了消除类似的表达式歧义，可以多使用小括号，也有以下几个消歧约定可以参考：
- 一个函数抽象的函数体将尽最大可能向右扩展，即：
λx.M N代表的是一个函数抽象λx.(M N)而非函数应用(λx.M) N。- 函数应用是左结合的，即：
M N P意为(M N) P而非M (N P)。
2. 自由变量和绑定变量
前面提到在函数抽象中，形参绑定于函数体，即形参是绑定变量，相对应地，不是绑定变量的自然就是自由变量。咱们来通过几个例子来理解这个关系：
λx.xy：其中x是绑定变量，y是自由变量；(λy.y)(λx.xy)：这个表达式可以按括号划分为两个子表达式M和N，M的y是绑定变量，无自由变量，N的x是绑定变量，y是自由变量且与M无关；λx.(λy.xyz)：这个表达式中的x绑定于外部表达式，y绑定于内部表达式，z是自由变量。
由于每个lambda函数都只有一个参数，因此也只有一个绑定变量，这个绑定变量随着形参的变化而变化。
我们用FV来表示一个lambda表达式中所有自由变量的集合，如：
FV(λx.xy) = {y}
FV((λy.y)(λx.xy)) = FV(λy.y) ∪ FV(λx.xy) = {y}
FV(λx.(λy.xyz)) = FV(λy.xyz) \ x = {x,z} \ x = {z}
3. 柯里化(Currying)
有时候我们的函数需要有多个参数，这太正常不过了，但是lambda函数只能有一个参数怎么办？解决这个问题的方法就是柯里化(Currying)。
柯里化是用于处理多参数输入情况的方法，我们已经知道一个lambda函数的输入和输出也可以是函数，那么基于它，可以把多参数函数和单参数函数做以下转换：currying: λx y.xy = λx.(λy.xy)
外层函数接受一个参数x返回一个函数λy.xy，这个返回函数（内层函数）又接受一个参数y返回xy，x绑定于外层函数，y绑定于内层函数，这样我们就在满足lambda函数只接受一个参数的约束下实现了多参数函数的功能，这就是柯里化，而λx y.xy称为λx.(λy.xy)的缩写，为了方便表达，后续会常常出现λx y.xy这样的书写方式，需要谨记它只是缩写写法。
lambda | λ 归约
我们已经知道了lambda表达式的基本定义与语法，下面将介绍如何对一个lambda表达式进行归约(reduction)。
1. beta | β 归约
对于一个函数应用(λx.x) y，它意为将函数应用λx.x应用于y，等价于x[x:=y]，即结果是y。在这个过程中，(λx.x) y ≡ x[x:=y]一步就叫做beta归约，x[x:=y] ≡ y一步称作替换(substitution)，[x:=y]意为将表达式中的自由变量x替换为y。
- 替换
形式：E[V := R]
意为将表达式E中的所有 “自由变量”V替换为表达式R。对于变量x,y和lambda表达式M,N，有以下规则：
x[x := N] ≡ N
y[x := N] ≡ y //注意 x ≠ y
(M1 M2)[x := N] ≡ (M1[x := N]) (M2[x := N])
(λx.M)[x := N] ≡ λx.M //注意 x 是绑定变量无法替换
(λy.M)[x := N] ≡ λy.(M[x := N]) //注意 x ≠ y, 且表达式N的自由变量中不包含 y 即 y ∉ FV(N)
- beta归约
形式：β: ((λV.E) E′) ≡ E[V := E′]
其实就是用实参替换函数体中的形参，也就是函数抽象应用(apply)于参数的过程啦，只不过这个参数除了是一个变量还可能是一个表达式。
细心的话可以注意到，替换规则中特别标注了一些x ≠ y或者y ∉ FV(N)等约束条件，它们的意义在于防止lambda表达式的归约过程中出现歧义。
比如以下过程：
(λx.(λy.xy)) y
= (λy.xy)[x:=y] //beta归约：注意 y ∈ FV(y) 不满足替换的约束条件
= λy.yy //替换：绑定变量y与自由变量y同名出现了冲突
可以看出在不满足约束条件的情况强行替换造成了错误的结果，那么对于这种情况该如何处理呢？那就需要alpha转换啦。
2. alpha | α 转换
这条规则就是说，一个lambda函数抽象在更名绑定变量前后是等价的，即：α: λx.x ≡ λy.y
其作用就是解决绑定变量与自由变量间的同名冲突问题。
那么对于上面的那个错误归约过程就可以纠正一下了：
(λx.(λy.xy))y
= (λy.xy)[x:=y] //beta归约：注意 y ∈ FV(y) 不满足替换的约束条件
= (λz.xz)[x:=y] //alpha转换：因为绑定变量y将与自由变量x（将被替换为y）冲突，所以更名为z
= λz.yz
Perfect！这样对于lambda演算最基础的定义与归约规则已经介绍完毕了，虽然内容很简单，但是却很容易眼高手低，要试着练习喔。
3. eta | η 归约
灵活运用alpha和beta已经可以解决所有的lambda表达式归约问题，但是考虑这样一个表达式：
λx.M x
将它应用于任意一个参数上，比如(λx.M x) N，进行beta归约和替换后会发现它等价于M N，这岂不是意味着
λx.M x ≡ M
没错，对于形如λx.M x，其中表达式M不包含绑定变量x的函数抽象，它是冗余的，等价于M，而这就是eta归约，它一般用于清除lambda表达式中存在的冗余函数抽象。
[原文：https://www.jianshu.com/p/ebae04e1e47c]
编程语言的基石——Lambda calculus
[https://liujiacai.net/blog/2014/10/12/lambda-calculus-introduction/]
Lambda calculus我们一般称为λ演算，最早是由邱奇（Alonzo Church，图灵的博导）在20世纪30年代引入，当时的背景是解决函数可计算的本质性问题，初期λ演算成功的解决了在可计算理论中的判定性问题，后来根据Church–Turing thesis，证明了λ演算与图灵机是等价的。
好了，经过上边简单的介绍，大家应该对λ演算有了初步印象。下面我将重点介绍λ演算的具体内容，并且阐述λ演算是如何奠基了我们现在常用的编程语言（如：Java、python、Lisp等）。
λ演算的语法与求值
语法(syntax)
因为λ演算研究的是函数的本质性问题，所以形式极其简单：
E = x variables
| λx. E function creation(abstraction)
| E1 E2 function application
上面的E称为λ-表达式(expressions)或λ-terms，它的值有三种形式：
- 变量(variables)。
- 函数声明或抽象(function creation/abstraction)。需要注意是的，函数中有且仅有一个参数。在λx. E中，x是参数，E是函数体
- 函数应用(function application)。也就是我们理解的函数调用，但官方术语就叫函数应用，本文后面也会采用“应用”的叫法。
λ表达式例子
上面就是λ演算的语法了，很是简单吧。下面看几个例子：
- 恒等函数
λx.x
- 一个返回恒等函数的函数
λy. (λx.x)
可以看到，这里的y参数直接被忽略了。
在使用λ演算时，有一些惯例需要说一下：
函数声明时，函数体尽可能的向右扩展。什么意思呢，举个例子大家就明白了：
λx.x λy.x y z
应该理解为
λ x. (x (λy. ((x y) z)))
函数应用时，遵循左结合。在举个例子：
x y z
为
(x y) z
Currying带有多个参数的函数
从上面我们知道，λ演算中函数只有一个参数，那两个参数的函数的是不是就没法表示了呢，那λ演算的功能也太弱了吧，这就是λ的神奇之处，函数在本质上只需要一个参数即可。如果想要声明多个参数的函数，通过currying技术即可。下面来说说currying。λx y. (+ x y)---->λx. (λ y. + x y)
上面这个转化就叫currying，它展示了，我们如何实现加法（这里假设+这个符号已经具有相加的功能，后面我们会讲到如何用λ表达式来实现这个+的功能）。
其实就是我们现在意义上的闭包——你调用一个函数，这个函数返回另一个函数，返回的函数中存储保留了调用函数的变量。currying是闭包的鼻祖。
如果用Python来表示就是这样的东西：
def add(x):
return lambda y: x+y
add(4)(3) //return 7
如果用函数式语言clojure来表示就是：
(defn add [x]
(fn [y] (+ x y)))
((add 4) 3) ;return 7
求值(evaluation)
在λ演算中，有两条求值规则：
- Alpha equivalence( or conversion )
- Beta reduction
Alpha equivalence
这个比较简单也好理解，就是说λx.x与λy.y是等价的，并不因为换了变量名而改变函数的意义。
简单并不说这个规则不重要，在一些变量覆盖的场合很重要，如下这个例子：λx. x (λx. x)如果你这么写的话，第二个函数定义中的x与第一个函数定义中的x重复了，也就是在第二个函数里把第一个的x给覆盖了。
如果改为λx. x (λy. y)就不会有歧义了。
Beta reduction
这个规则是λ演算中函数应用的重点了。一句话来解释就是，把参数应用到函数体中。举一个例子：
有这么一个函数应用(λx.x)(λy.y)，在这里把(λy.y)带入前面函数的x中，就能得到最终的结果(λy.y)，这里传入一个函数，然后又返回一个函数，这就是最终的结果。
考虑下面这个函数应用：
(λ y. (λ x. x) y) E
有两种计算方法，如下图
evaluation-order
可以先计算内层的函数调用再计算外层的函数调用，反之也可。
根据Church–Rosser定理，这两种方法是等价的，最终会得到相等的结果，如上图最后都得到了E。
但如果我们要自己实现一种语言，就有可能必选二选其一，于是有了下面两种方式：
Call by Value(Eager Evaluation及早求值)
也就是上图中的inner，这种方式在函数应用前，就计算函数参数的值。如：
(λy. (λx. x) y) ((λu. u) (λv. v))
(λy. (λx. x) y) (λv. v)
(λx. x) (λv. v)
λv. v
Call by Name (Lazy Evaluation惰性求值)
也就是上图中的outer，这种方式在函数应用前，不计算函数参数的值，直到需要时才求值。如：
(λy. (λx. x) y) ((λu. u) (λv. v)) --->
(λx. x) ((λu. u) (λv. v)) --->
(λu. u) (λv. v) --->
λv. v
值得一提的是，Call by Name这种方式在我们目前的语言中，只有函数式语言支持。
λ演算与编程语言的关系
在λ演算中只有函数（变量依附于函数而有意义），如果要用纯λ演算来实现一门编程语言的话，我们还需要一些数据类型，比如boolean、number、list等，那怎么办呢？
λ的强大又再一次展现出来，所有的数据类型都能用函数模拟出来，秘诀就是不要去关心数据的值是什么，重点是我们能对这个值做什么操作，然后我们用合法的λ表达式把这些操作表示出来即可。
听上去很些云里雾里，但看了我下面的讲解以后，你会发现，编程语言原来还可以这么玩，希望我能把这部分讲清楚些，个人感觉这些东西太funny了 :-)
好了，我们先从最简单——boolean的开始。
编码Boolean
Ask：我们能对boolean值做什么？
Answer：我们能够进行条件判断，二选其一。
好，知道了能对boolean的操作，下面就用λ表达式来定义它：
true = λx. λy. x
false = λx. λy. y
if E1 then E2 else E3 = E1 E2 E3
来简单解释一下，boolean就是这么一个函数，它有两个参数（通过currying实现），返回其中一个。下面看个例子：
if true then u else v
可以写成
(λx. λy. x) u v
(λy. u) v
u
编码number
这里讲的number是指的自然数。
Ask：我们能对number做什么？
Answer：我们能够依次遍历这些数字
好，知道了能对number的操作，下面就用λ表达式来定义它：
0 = λf. λs. s
1 = λf. λs. f s
2 = λf. λs. f (f s)
......
解释一下，利用currying，我们知道上面的定义其实相当于一个具有两个参数的函数：一个函数f，另一个是起始值s，然后不断应用f实现遍历数字的操作。先不要管为什么这么定义，看了下面我们如何定义加法乘法的例子你应该就会豁然开朗了：
首先我们需要定义一个后继函数(The successor function)：
succ n = λf. λs. f (n f s)
例子——1+1：
add 1 1 --->
1 succ 1 --->
succ 1 --->
λf. λs. f (f s) ---> 2
最后一个例子，2*2：
mult 2 2 --->
2 (add 2) 0 --->
(add 2) ((add 2) 0) --->
2 succ (add 2 0) --->
2 succ (2 succ 0) --->
succ (succ (succ (succ 0))) --->
succ (succ (succ (λf. λs. f (0 f s)))) --->
succ (succ (succ (λf. λs. f s))) --->
succ (succ (λg. λy. g ((λf. λs. f s) g y)))
succ (succ (λg. λy. g (g y))) --->......---> λg. λy. g (g (g (g y))) = 4
如果想要判断一个数字是否为0，可以这么定义
iszero n = n (λb. false) true
λ-演算与图灵机
本文一开始就说明了，λ-演算与图灵机是等价，这里简单说下我对图灵机的理解：
在一个不限时间、不限资源的前提下，图灵机通过前进、后退、跳转、输出1或0这四个简单的命令，在一条无限长的纸带上执行事先编好的程序。
根据目前的证明，图灵机是宇宙间最强大的机器（理想中的），我们现有的计算机都没有超过图灵机。
如果说一个语言是图灵完备的，就是说，世界上任何可计算性问题，它都能解决。
我们现有的命令式语言，如C、Java等就是以图灵机为基础的。如果说这些语言图灵完备，需要具有以下两个特征：
- 有if、goto语句（或while、for之类的循环语句）
- 能够进行赋值操作（也就是改变内存状态）
与图灵机对应，λ-演算的直接影响是函数式编程语言，如lisp、Haskell等，如果说这些函数式语言图灵完备，需要有以下两个特征：
- 能够进行函数抽象（也就是函数定义）
- 能够进行函数应用（也就是函数调用）
鉴别一个语言是不是函数式的标准是：这个语言能否在运行时创建函数，如果能，就是函数式语言。
总结
通过上面长篇大论（希望你能抽时间看完），我们用一些无意义符号表达了我们已经熟知的一些概念，这就是λ演算的精髓之处，通过一套形式化的规则来描述这些东西，要知道，这里面的很多东西我们现如今想当然的接受了，但如何让笨重的计算机来理解这个世界呢，这就需要这些形式化的规则来指导了。
我这里介绍的lambda calculus并不完全，只是其中的一部分，像递归这个重要的东西就没说，大家凭借兴趣再自己去看吧，我觉得我这篇文章就是个砖头，希望能引出大家的宝玉就好。
我们现在的编程语言趋向于多范式化，像python、ruby的兴起就说明了这点。
因为纯函数式语言不能改变变量状态，这个恐怕在很多场合不适用吧。
纯OO也不好，因为我们大多数程序员，都是用OO的语言来写过程式的程序，看看大家有多Helper类，Util类就明白了。
转载：https://blog.csdn.net/universsky2015/article/details/100933589